<div class="eI0"> <div class="eI1">Modelo:</div> <div class="eI2"><h2><a href="http://en.wikipedia.org/wiki/European_Centre_for_Medium-Range_Weather_Forecasts" target="_blank">ECMWF</a>: Global weather forecast model from the "European Centre for Medium-Range Weather Forecasts". ECMWF is now running its own Artificial Intelligence/Integrated Forecasting System (AIFS) as part of its experiment suite. These machine-learning-based models are very fast, and they produce a 10-day forecast with 6-hourly time steps in approximately one minute. </h2></div> </div> <div class="eI0"> <div class="eI1">Actualização:</div> <div class="eI2">4 times per day, from 3:30, 09:30, 15:30 and 21:30 UTC</div> </div> <div class="eI0"> <div class="eI1">Greenwich Mean Time:</div> <div class="eI2">12:00 UTC = 13:00 WEST</div> </div> <div class="eI0"> <div class="eI1">Resolution:</div> <div class="eI2">0.25° x 0.25°</div> </div> <div class="eI0"> <div class="eI1">parâmetro:</div> <div class="eI2">Precipitation in mm (or litres per square metres)</div> </div> <div class="eI0"> <div class="eI1">Descrição:</div> <div class="eI2"> The precipitation map - updated every 6 hours - shows the modeled precipitation in mm. The precipitation areas are encircled by isohyets - lines with equal amounts of precipitation. However, modeling precipitation is still not very reliable. If you compare the modeled results with observed values you will realize that the model is nothing better than a first order approach. Yet this chart is of some use for forecasters.<br> Note: Based on international convention meteorologists use the metric system. 100 mm of precipitation is equivalent to roughly 4 inches. </div> </div> <div class="eI0"> <div class="eI1">Cluster of Ensemble Members:</div> <div class="eI2"> 20 members of an ensemble run are divided into different clusters which means groups with similar members according to the hierarchical "Ward method" The average surface pressure of all members in each cluster are computed and shown as isobares. The number of members in each cluster determines the probability of the forecast (see percentage) </div> </div> <div class="eI0"> <div class="eI1">Dendrograma:</div> <div class="eI2"> A dendrogram shows the multidimensional distances between objects in a tree-like structure. Objects that are closest in a multidimensional data space are connected by a horizontal line forming a cluster. The distance between a given pair of objects (or clusters) are indicated by the height of the horizontal line. [http://www.statistics4u.info/fundstat_germ/cc_dendrograms]. The greater the distance the bigger the differences. </div> </div> <div class="eI0"> <div class="eI1">NWP:</div> <div class="eI2">A previsão numérica do tempo usa o estado instantâneo da atmosfera como dados de entrada para modelos matemáticos da atmosfera, com vista à previsão do estado do tempo.<br> Apesar dos primeiros esforГ§os para conseguir prever o tempo tivessem sido dados na década de 1920, foi apenas com o advento da era dos computadores que foi possГvel realizá-lo em tempo real. A manipulaГ§ão de grandes conjuntos de dados e a realizaГ§ão de cálculos complexos para o conseguir com uma resoluГ§ão suficientemente elevada para produzir resultados Гєteis requer o uso dos supercomputadores mais potentes do mundo. Um conjunto de modelos de previsão, quer à escala global quer à escala regional, são executados para criar previsГµes do tempo nacionais. O uso de previsГµes com modelos semelhantes ("model ensembles") ajuda a definir a incerteza da previsão e estender a previsão do tempo bastante mais no futuro, o que não seria possГvel conseguir de outro modo.<br> <br>Contribuidores da Wikipédia, "Previsão numérica do tempo," Wikipédia, a enciclopédia livre, <a href="http://pt.wikipedia.org/w/index.php?title=Previs%C3%A3o_num%C3%A9rica_do_tempo&oldid=17351675" target="_blank">http://pt.wikipedia.org/w/index.php?title=Previs%C3%A3o_num%C3%A9rica_do_tempo&oldid=17351675</a> (accessed fevereiro 9, 2010). <br> </div></div> </div>